高光谱图像特征融合实现马铃薯早疫病和晚疫病分类识别
发布时间：2021-06-26 17:05
马铃薯的早疫病和晚疫病是马铃薯种植过程中最高发也是最具威胁的病害,病害的防治对于马铃薯的产量起着决定性作用。但早期的早疫病和晚疫病比较相似,很难区分,而且传统的病害诊断方法容易受诸多因素影响造成误判、诊断效率低等问题。高光谱成像技术可以连续动态监测,能及时准确地掌握农作物病害情况,还具有高分辨率、多波段、波段窄、光谱范围广和图谱合一等特点,对农作物病害研究极具价值。本研究基于高光谱成像技术对早期的马铃薯叶片早疫病和晚疫病进行检测分类研究,为了弥补单独使用光谱特征或图像特征的不足,本文将高光谱图像的光谱特征和图像特征进行融合,以达到精确识别马铃薯病害的目的。首先,使用高光谱成像系统采集366.66-976.41nm波段范围内的马铃薯早疫病、晚疫病和健康叶片高光谱图像。由于高光谱图像具有高维数据,其中含有大量冗余信息,不同波段间相关性较大,对于数据处理的精确度会产生较严重的影响。特征波长选择可以选取出全波段光谱中最有用的信息,简化模型,提高后期建模效率,所以论文使用主成分分析和二阶导数法从光谱维提取出早疫病叶片的特征波段长574.50nm、675.20nm和724.50nm,晚疫病叶片的特...
【文章来源】：云南师范大学云南省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
早疫病和晚在农业方面,影响农产品品质和产量（a）
第2章光谱测量与分析相关知识9第2章高光谱测量与分析相关知识2.1测量仪器概述2.1.1高光谱分选仪本文使用的测量仪器是GaiaSorter-Dual高光谱分选仪（如图2.1是高光谱分选仪实物图，2.2是高光谱分选仪整体结构示意图），主要由照明单元、计算机控制单元和样品传输单元构成。照明单元用的是溴钨灯，可确保均匀的照明环境。计算机控制单元用于控制图像的采集和处理，它是高光谱成像系统的中枢。样品传输单元主要由电动控制移动平台完成推扫过程。图2.1高光谱分选仪实物图
第2章光谱测量与分析相关知识10图2.2高光谱分选仪示意图GaiaSorter-Dual高光谱分选仪工作原理是通过光源照射在放置于电控移动平台上的待测物体，样品的反射光通过镜头被光谱相机捕获，得到二维的影像和光谱信息，随着电控移动平台带动样品连续运行，能够得到连续的二维影像及实时的光谱信息，所有的数据被计算机软件所记录，最终获得一个包含了影像信息和光谱信息的三维数据立方体[31]。表2.1高光谱相机主要参数名称具体参数型号扫描方式Image-λ-V10E内置推扫光谱范围400-1000nm相对孔径焦距F/2.425mm狭缝尺寸30um*8.7mm光谱分辨率2.8nm探测器类型CCD相机像素像素尺寸1394*10246.45μm×6.45μm光谱通道数256
【参考文献】：
期刊论文
[1]基于高光谱的玉米大斑病害监测[J]. 王凡,王超,冯美臣,杨武德,张美俊,肖璐洁,宋晓彦. 山西农业科学. 2019(06)
[2]基于ENVI二次开发的高光谱推扫图像拼接技术[J]. 盖颖颖,盖志刚,禹定峰,刘恩晓,李辉,秦胜光. 山东科学. 2018(04)
[3]基于高光谱技术的农作物常见病害监测研究[J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华. 光谱学与光谱分析. 2018(07)
[4]高光谱在冬虫夏草含量及真伪鉴别中的应用[J]. 孙梅,王睿,陈兴海,黄宇,刘业林. 中国现代应用药学. 2017(08)
[5]湖北省矿业经济区土地资源承载力研究[J]. 容东林,成金华,张意翔. 中国国土资源经济. 2017(07)
[6]基于特征荧光信号的去囊衣带芯橘瓣分选[J]. 王叶群,杨增玲,任卫东,刘婷,杨杰,张绍英. 农业工程学报. 2017(09)
[7]PCA和SPA的近红外光谱识别白菜种子品种研究[J]. 罗微,杜焱喆,章海亮. 光谱学与光谱分析. 2016(11)
[8]基于高光谱成像的寒地水稻叶瘟病与缺氮识别[J]. 袁建清,苏中滨,贾银江,张雨,章宗鑫. 农业工程学报. 2016(13)
[9]基于高光谱信息融合和相关向量机的种蛋无损检测[J]. 祝志慧,刘婷,马美湖. 农业工程学报. 2015(15)
[10]基于高光谱成像技术的柑橘黄龙病病情诊断及分类[J]. 邓小玲,郑建宝,梅慧兰,李震,邓晓玲,洪添胜. 西北农林科技大学学报(自然科学版). 2013(07)
博士论文
[1]产业集群发展中的政府行为及其评价研究[D]. 王战营.武汉理工大学 2013
[2]基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D]. 赵芸.浙江大学 2013
[3]高光谱数据库及数据挖掘研究[D]. 李兴.中国科学院研究生院（遥感应用研究所） 2006
[4]色貌模型CIECAM02若干问题的研究[D]. 柴冰华.北京理工大学 2006
硕士论文
[1]空谱联合实现马铃薯晚疫病识别[D]. 王鑫野.云南师范大学 2019
[2]基于多特征的图像检索方法研究[D]. 姜雪.山东理工大学 2019
[3]基于高光谱成像的水果轻微机械损伤无损检测的研究[D]. 韩浩然.云南师范大学 2018
[4]基于多目标决策与数据挖掘技术在农林火灾中的应用研究[D]. 吴赵盼.江西科技师范大学 2018
[5]基于高光谱成像技术的马铃薯早疫病无损检测研究[D]. 徐明珠.西北农林科技大学 2016
[6]基于智能算法的火电厂锅炉燃烧优化技术的研究[D]. 潘云.华北电力大学 2015
[7]企业两化融合度评测与提升方法研究[D]. 马黎娜.北京交通大学 2013
[8]地震波形特征抽取算法研究与实现[D]. 毕明霞.广西师范大学 2011
[9]基于神经网络的三容水箱液位控制系统辨识[D]. 梁颖杏.广西大学 2008
本文编号：3251729
【文章来源】：云南师范大学云南省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
早疫病和晚在农业方面,影响农产品品质和产量（a）
第2章光谱测量与分析相关知识9第2章高光谱测量与分析相关知识2.1测量仪器概述2.1.1高光谱分选仪本文使用的测量仪器是GaiaSorter-Dual高光谱分选仪（如图2.1是高光谱分选仪实物图，2.2是高光谱分选仪整体结构示意图），主要由照明单元、计算机控制单元和样品传输单元构成。照明单元用的是溴钨灯，可确保均匀的照明环境。计算机控制单元用于控制图像的采集和处理，它是高光谱成像系统的中枢。样品传输单元主要由电动控制移动平台完成推扫过程。图2.1高光谱分选仪实物图
第2章光谱测量与分析相关知识10图2.2高光谱分选仪示意图GaiaSorter-Dual高光谱分选仪工作原理是通过光源照射在放置于电控移动平台上的待测物体，样品的反射光通过镜头被光谱相机捕获，得到二维的影像和光谱信息，随着电控移动平台带动样品连续运行，能够得到连续的二维影像及实时的光谱信息，所有的数据被计算机软件所记录，最终获得一个包含了影像信息和光谱信息的三维数据立方体[31]。表2.1高光谱相机主要参数名称具体参数型号扫描方式Image-λ-V10E内置推扫光谱范围400-1000nm相对孔径焦距F/2.425mm狭缝尺寸30um*8.7mm光谱分辨率2.8nm探测器类型CCD相机像素像素尺寸1394*10246.45μm×6.45μm光谱通道数256
【参考文献】：
期刊论文
[1]基于高光谱的玉米大斑病害监测[J]. 王凡,王超,冯美臣,杨武德,张美俊,肖璐洁,宋晓彦. 山西农业科学. 2019(06)
[2]基于ENVI二次开发的高光谱推扫图像拼接技术[J]. 盖颖颖,盖志刚,禹定峰,刘恩晓,李辉,秦胜光. 山东科学. 2018(04)
[3]基于高光谱技术的农作物常见病害监测研究[J]. 谢亚平,陈丰农,张竞成,周斌,王海江,吴开华. 光谱学与光谱分析. 2018(07)
[4]高光谱在冬虫夏草含量及真伪鉴别中的应用[J]. 孙梅,王睿,陈兴海,黄宇,刘业林. 中国现代应用药学. 2017(08)
[5]湖北省矿业经济区土地资源承载力研究[J]. 容东林,成金华,张意翔. 中国国土资源经济. 2017(07)
[6]基于特征荧光信号的去囊衣带芯橘瓣分选[J]. 王叶群,杨增玲,任卫东,刘婷,杨杰,张绍英. 农业工程学报. 2017(09)
[7]PCA和SPA的近红外光谱识别白菜种子品种研究[J]. 罗微,杜焱喆,章海亮. 光谱学与光谱分析. 2016(11)
[8]基于高光谱成像的寒地水稻叶瘟病与缺氮识别[J]. 袁建清,苏中滨,贾银江,张雨,章宗鑫. 农业工程学报. 2016(13)
[9]基于高光谱信息融合和相关向量机的种蛋无损检测[J]. 祝志慧,刘婷,马美湖. 农业工程学报. 2015(15)
[10]基于高光谱成像技术的柑橘黄龙病病情诊断及分类[J]. 邓小玲,郑建宝,梅慧兰,李震,邓晓玲,洪添胜. 西北农林科技大学学报(自然科学版). 2013(07)
博士论文
[1]产业集群发展中的政府行为及其评价研究[D]. 王战营.武汉理工大学 2013
[2]基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D]. 赵芸.浙江大学 2013
[3]高光谱数据库及数据挖掘研究[D]. 李兴.中国科学院研究生院（遥感应用研究所） 2006
[4]色貌模型CIECAM02若干问题的研究[D]. 柴冰华.北京理工大学 2006
硕士论文
[1]空谱联合实现马铃薯晚疫病识别[D]. 王鑫野.云南师范大学 2019
[2]基于多特征的图像检索方法研究[D]. 姜雪.山东理工大学 2019
[3]基于高光谱成像的水果轻微机械损伤无损检测的研究[D]. 韩浩然.云南师范大学 2018
[4]基于多目标决策与数据挖掘技术在农林火灾中的应用研究[D]. 吴赵盼.江西科技师范大学 2018
[5]基于高光谱成像技术的马铃薯早疫病无损检测研究[D]. 徐明珠.西北农林科技大学 2016
[6]基于智能算法的火电厂锅炉燃烧优化技术的研究[D]. 潘云.华北电力大学 2015
[7]企业两化融合度评测与提升方法研究[D]. 马黎娜.北京交通大学 2013
[8]地震波形特征抽取算法研究与实现[D]. 毕明霞.广西师范大学 2011
[9]基于神经网络的三容水箱液位控制系统辨识[D]. 梁颖杏.广西大学 2008
本文编号：3251729
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3251729.html
